Keras 检查输入时出错：预期 input_4 具有形状 (299, 299, 3) 但得到形状为 (64, 64, 3) 的数组
Keras Error when checking input: expected input_4 to have shape (299, 299, 3) but got array with shape (64, 64, 3)
我有大量的 pickle 数据，训练、测试、验证类似于以下形状：
(n_samples, 64, 64, 3)
[array([[[26, 16, 24],
[36, 20, 31],
[47, 28, 42],
...,
[15, 8, 15],
[ 8, 5, 10],
[ 3, 2, 6]],
...,
[[41, 27, 38],
[54, 37, 51],
[68, 47, 61],
...,
[22, 14, 21],
[16, 9, 16],
[11, 6, 12]]], dtype=uint8),
array([[[209, 126, 116],
[212, 125, 117],
[215, 135, 127],
...,
我改成了：
a=[l.tolist() for l in train_images]
#x = np.expand_dims(a, axis=0)
train_x =np.array(a)
train_x:
array([[[[ 26, 16, 24],
[ 36, 20, 31],
[ 47, 28, 42],
...,
[ 15, 8, 15],
[ 8, 5, 10],
[ 3, 2, 6]],
train_x= preprocess_input(train_x)
标签类似于：
from keras.utils.np_utils import to_categorical
train_y = to_categorical(labels, 2)
train_y :
array([[0., 1.],
[0., 1.],
[0., 1.],
...,
[0., 1.],
[1., 0.],
[0., 1.]], dtype=float32)
我想将此数据拟合到类似于 inception v3 的 keras 模型：
from keras.applications.inception_v3 import InceptionV3
from keras import optimizers
base_model = InceptionV3(weights='imagenet', include_top = True)
model.compile(optimizer = optimizers.SGD(lr=1e-3, momentum=0.9),
loss='categorical_crossentropy', metrics=['accuracy'])
model.fit(train_x, train_y , batch_size=128, nb_epoch=1,verbose=0)
但是我得到了这个错误：
Error when checking input:expected input_4 to have the shape (299, 299, 3) but got array with shape (64, 64, 3)
我知道这个错误是关于维度的。我怎样才能将代码修改为运行？也许使用冻结层或微调或更改输入尺寸（我不想丢失功能和重要数据）。请重写正确的代码，如果你知道的话。
在 base_model = InceptionV3(weights='imagenet', include_top = True) 行中包含 input_tensor=Input(shape=(64, 64, 3)) 如下：
base_model = InceptionV3(weights='imagenet', include_top = True, input_tensor=Input(shape=(64, 64, 3)))
如果您需要使用预训练网络进行迁移学习，但如果原始模型是在与手头任务不同形状的输入上训练的，则需要使用上述方法。
注意：输入形状不能是任何维度，因为我们可能使用的模型结构，如转置卷积、跳过连接等，需要输入具有一定的维度，以便稍后连接或执行元素明智的乘法等。
参考文献：
- https://github.com/keras-team/keras/issues/4465
- https://www.pyimagesearch.com/2019/06/24/change-input-shape-dimensions-for-fine-tuning-with-keras/
希望对您有所帮助！
我有大量的 pickle 数据，训练、测试、验证类似于以下形状：
(n_samples, 64, 64, 3)
[array([[[26, 16, 24],
[36, 20, 31],
[47, 28, 42],
...,
[15, 8, 15],
[ 8, 5, 10],
[ 3, 2, 6]],
...,
[[41, 27, 38],
[54, 37, 51],
[68, 47, 61],
...,
[22, 14, 21],
[16, 9, 16],
[11, 6, 12]]], dtype=uint8),
array([[[209, 126, 116],
[212, 125, 117],
[215, 135, 127],
...,
我改成了：
a=[l.tolist() for l in train_images]
#x = np.expand_dims(a, axis=0)
train_x =np.array(a)
train_x:
array([[[[ 26, 16, 24],
[ 36, 20, 31],
[ 47, 28, 42],
...,
[ 15, 8, 15],
[ 8, 5, 10],
[ 3, 2, 6]],
train_x= preprocess_input(train_x)
标签类似于：
from keras.utils.np_utils import to_categorical
train_y = to_categorical(labels, 2)
train_y :
array([[0., 1.],
[0., 1.],
[0., 1.],
...,
[0., 1.],
[1., 0.],
[0., 1.]], dtype=float32)
我想将此数据拟合到类似于 inception v3 的 keras 模型：
from keras.applications.inception_v3 import InceptionV3
from keras import optimizers
base_model = InceptionV3(weights='imagenet', include_top = True)
model.compile(optimizer = optimizers.SGD(lr=1e-3, momentum=0.9),
loss='categorical_crossentropy', metrics=['accuracy'])
model.fit(train_x, train_y , batch_size=128, nb_epoch=1,verbose=0)
但是我得到了这个错误：
Error when checking input:expected input_4 to have the shape (299, 299, 3) but got array with shape (64, 64, 3)
我知道这个错误是关于维度的。我怎样才能将代码修改为运行？也许使用冻结层或微调或更改输入尺寸（我不想丢失功能和重要数据）。请重写正确的代码，如果你知道的话。
在 base_model = InceptionV3(weights='imagenet', include_top = True) 行中包含 input_tensor=Input(shape=(64, 64, 3)) 如下：
base_model = InceptionV3(weights='imagenet', include_top = True, input_tensor=Input(shape=(64, 64, 3)))
如果您需要使用预训练网络进行迁移学习，但如果原始模型是在与手头任务不同形状的输入上训练的，则需要使用上述方法。
注意：输入形状不能是任何维度，因为我们可能使用的模型结构，如转置卷积、跳过连接等，需要输入具有一定的维度，以便稍后连接或执行元素明智的乘法等。
参考文献：
- https://github.com/keras-team/keras/issues/4465
- https://www.pyimagesearch.com/2019/06/24/change-input-shape-dimensions-for-fine-tuning-with-keras/
希望对您有所帮助！